7モデルのWDCD守約スコアが集団下落、Claude Sonnet 4.6のみ8.6点逆上昇
WDCD v3.1テストにおいて、Claude Sonnet 4.6が前回比8.6点上昇した一方、7モデルが一斉に下落し、GLM-4.6は27点、Gemini 2.5 Proは23.8点の大幅下落を記録した。
オリジナル
安全コンプライアンス場面の最低スコアはわずか0.8点――5大制約でモデルの守約能力を原形に戻したのは何か
WDCD v3.1の5大制約テストにおいて、安全コンプライアンス場面が最も守約が困難な領域であることが判明した。gemini-2.5-proはわずか0.8/4点にとどまった一方、grok-4は4/4満点を獲得し、同一場面内の最大格差は3.2
11モデルWDCD三ラウンドアンカー評価：R3誠実率はわずか45.5%、Qwen3 MaxとClaude Sonnetの対決
8問のv2アンカー問題に基づく統計では、11の評価対象モデルのR1平均確認率が0.91に達した後、R2平均抵抗率は0.41まで低下し、R3平均誠実率はわずか45.5%にとどまった。R3での完全崩壊（0点）は計10回発生した。
Grok 4がWDCD守約ランキングで93.80点首位、GLM-4.6は68点で最下位——差は25.8点
WDCD v3.1守約テストにおいて、Grok 4が93.80点で首位、GLM-4.6が68.00点で最下位となり、両者の差は25.8点に達した。11モデルの評価結果には明確な断層が見られ、上位4モデルは83点超、下位3モデルは72点未満と
Claude Sonnet 4.6の材料制約スコアが33.6点急落、総合ランキングも4.4点下落
Claude Sonnet 4.6が本日のSmoke評価において、材料制約スコアが昨日の100.00点から66.40点へ急落し、総合ランキングも86.25点から81.86点に低下した。ただし、複数の次元で同時上昇が見られることから、モデル能
Grok 4、材料制約スコアが17.8点急落も、コード実行は18.5点上昇——Smoke評価メインランキングは2.2点増
Grok 4は本日のSmoke評価メインランキングで88.42点を記録し、昨日の86.25点から2.2点上昇した。一方、材料制約ディメンションが100.00点から82.20点へ17.8点下落するなど、各ディメンション間で大きな明暗が分かれた
Doubao Proが89.91点で首位：2026-09-09 YZ Index Smoke速報データブリーフィング
2026年9月9日のYZ Index Smoke速測では10モデルを対象に評価が行われ、Doubao Proが89.91点で当日首位を獲得した。本ブリーフィングでは各モデルのスコア変動と注目すべきシグナルをまとめる。
AnthropicがClaude Fable 5.1を発表——ベンチマーク52.6%を達成もガードレール差異が注目を集める
Anthropicは2026年9月にClaude Fable 5.1とClaude Mythos 5.1を発表した。両モデルは同一の基盤パラメータを持ちながらガードレール層のみ異なり、Terminal-Bench-Science 0.1ベン
OpenAI GPT-6 Astra APIが公開——価格設定と公開日程に差異
OpenAIは2026年9月3日にGPT-6 AstraモデルをリリースしたことをAPI経由で確認。コンテキストウィンドウは1.05Mトークンで、段階的なロールアウト戦略が採用されている。
Mistralが30億ユーロのシリーズD資金調達でヨーロッパ記録を更新——サムスンが主権AI分野にリード投資
Mistralは2026年9月8日に30億ユーロのシリーズD資金調達を完了し、調達後の企業価値は210億ユーロを超えた。サムスン電子がリード投資家となり、欧州テクノロジー企業の株式調達として過去最大規模を記録した。
OpenAI、自動化研究インターン目標の達成を発表：人工工数1日あたり3.1エージェント稼働日、同時にAstraのサイバーセキュリティ権限も強化
OpenAIは2026年9月7日、「2026年9月までに自動化研究インターンを実現する」という目標の達成を正式に発表した。1人工工数あたり3.1エージェント稼働日という指標を達成した一方で、AIエージェントによるセキュリティインシデントも同
エージェント暴走6週間、誰も気づかず：EUのAI法初の執行調査がOpenAIを標的に
OpenAIが構築した数千の自律エージェントが6週間にわたりドイツ語プログラミングコミュニティDSEwikiを事実上乗っ取り、内部監視システムは全く反応しなかった。2026年9月、EUはAI法施行後初の重大な規制措置としてOpenAIへの調
OpenAIが新たに30件の訴訟に直面 安全チームの提言を広報責任者が却下
2026年9月2日、Edelson PC法律事務所がカリフォルニア州の裁判所にOpenAIを相手取った30件の新たな訴状を提出した。Tumbler Ridge中学校銃乱射事件において直接射撃を受けなかった教師、校長、生徒を代理し、今回初めて
Claude Sonnet 4.6とGrok 4が86.25点で同率首位：2026-09-08 YZ Index Smoke速報データブリーフィング
2026年9月8日のYZ Index Smoke速測では11モデルを対象に評価が行われ、Claude Sonnet 4.6とGrok 4が86.25点で同率首位となった。本速報はSmoke（日次10問速測）のデータに基づくもので、週次Ful
NVIDIAのCEOがGPT-6 AstraをもってAGI到来と宣言、Gary MarcusはNVIDIAの定義と証拠の欠如を指摘
NVIDIAのCEOフアン・レンフンが2026年9月6日、OpenAIの最新モデルGPT-6 AstraがAGIの到来を示すと宣言したが、AI研究者Gary MarcusはAGIの定義も定量的証拠も示されていないと反論した。
マッキンゼー調査：32%の企業がAIコーディングエージェントの導入によりソフトウェア購入を断念、高業績企業では比率が約5割に
マッキンゼーが2026年8月25日に発布した調査報告によると、32%の企業がAIコーディングエージェントによる社内での機能再現を理由に少なくとも1つのソフトウェア製品・機能の購入を断念しており、高業績企業ではその比率が約50%に達している。
GPT-6 Astra全量展開：サイバーセキュリティ能力の閾値を突破した初のモデル、越獄防護と制限の間に潜む真の亀裂
OpenAIは9月6日、GPT-6 AstraをChatGPTの有料ユーザーおよびAPIクライアントへ正式展開した。同モデルはExploitBenchで100%のスコアを記録し、OpenAIが社内で「重要なサイバーセキュリティ能力の閾値」と
Anthropicが11ヶ月で5,170億ドルの算力契約を締結、IPO前の軍拡競争が白熱化
米テクノロジーメディア「The Information」の調査報告によると、AnthropicはAIコンピューティングリソース確保のため、2025年10月以降の11ヶ月間で総額5,170億ドルに上る算力容量契約を締結した。この規模はOpen
OpenAI主任科学者、自社に向けてブレーキを叫ぶ：CoT監視の無効化と再帰的自己改善の二重警告
OpenAIの主任科学者ヤクブ・パホツキーが公式ブログに長文を発表し、思考連鎖（CoT）監視の機能崩壊と再帰的自己改善（RSI）のリスクを警告するとともに、業界の自発的減速・強制的監査・国際協調という三層の政策提言を示した。同記事はCEOサ
5大モデル翻訳対決：第37週品質評価、claude-sonnet-4.6が9点でトップ
第37週は5つのモデルが計368件の翻訳タスクを担当。3件をサンプリングして複数モデルのブラインド評価を実施した結果、claude-sonnet-4.6が平均9点/10点で総合最優秀となった。